H2PTM (2007) Delalonde

Association de "connaissances" pour la formation à distance

---

 
 

Titre Association de "connaissances" pour la formation à distance Auteurs Charles Delalonde(i,ii), Eddie Soulier(i,ii) et Olivier Petit(i,ii) Affiliations (i)Université de Technologie de Troyes (ii)Laboratoire CNRS ISTIT – équipe Tech-CICO 12 rue Marie Curie – BP 2060 - 10010 TROYES Cedex {prenom.nom}@utt.fr Dans actes du colloque H2PTM 2007 Hammamet publié dans H²PTM07 : Collaborer, échanger, inventer

Résumé

Nous présentons un cas de formation à distance à l’Université de Central Floride regroupant 1.200 étudiants chaque semestre. Après une étude exploratoire auprès des apprenants et des enseignants, nous nous interrogeons sur l’efficacité des plateformes d'apprentissage et plus largement des scénarii pédagogiques stricts. Malgré des règles précises, les apprenants quittent l’environnement de la formation à distance et se regroupent sous forme de communautés d’apprentissage efficaces. Après avoir exploré les différentes théories disponibles pour caractériser ces relations sociales dans des contextes d’apprentissage, nous approfondissons l'importance du facteur social à l’aide du modèle RESONER. Ce modèle a pour objectif l'association de "connaissances" hétérogènes. Connaissances au sens d'informations, d'annotations ou d'individus pertinents et disponibles en situation d'apprentissage à distance.

Mots-clés 

Social Computing, Capital Social, communauté d'apprentissage, formation à distance, activités collaboratives, Recherche Collaborative de Connaissances.

English description

Abstract 

Distance Education (DE) is becoming increasingly important as its rapid growth rates demonstrate. However, recent statistics on DE show low retention rates and a poor return on investment (ROI) in various programs. In this article, we focus on the collective dimension of the learning environments. In fact, entering a virtual learning community appears as a rational choice for the students to retrieve information more rapidly. This research indicates how information retrieval activity, in a distance education context, might be a social process helping to foster a network of distant learners. A four steps model RESONER: Information Retrieval, Caring (social support), Negotiation, and Reification is suggested. This model specifies DemonD a groupware relying on transparent profile construction based on student's activity, community's participation and shared documents. DemonD eventually encourages the emergence of informal knowledge networks and competencies awareness in a distant education environment.

Keywords

Social Computing, Social Search, Social Capital, Distant Learners.

 

Introduction

La formation à distance continue d’attirer de nouveaux acteurs (universités, entreprises, administrations, etc.) malgré des résultats parfois mitigés. Quelque soit l'origine de ces initiatives, une question demeure : comment arriver à mettre en place une formation à distance efficace et satisfaisante tant pour l’institution que pour les apprenants ? Notre attention s'est portée sur la dimension collective des situations d'apprentissage et sur le rôle du dispositif pédagogique dans la constitution de collectifs ou de communautés. Pour apporter des éléments de réponse à nos interrogations, nous avons observé le comportement d'un groupe d'étudiants à travers leurs échanges sur le forum d'une classe enseignée uniquement à distance. Nous insistons sur le caractère social de la situation d'apprentissage et concluons sur la spécification d'un outil, support à cette activité.

Le cas de l’Université Central de Floride

Dans cette recherche nous nous sommes concentrés sur un module d’initiation aux Systèmes d’Information enseigné uniquement en ligne à l’Université de Central Floride. Nous avons observé les forums de discussions et interrogé le professeur et les tuteurs responsables de cette formation et dix apprenants inscrits de janvier à mai 2004. Le module dure 16 semaines et est obligatoire pour tout étudiant de la Business School de l’Université (1200 inscrits chaque semestre). Les étudiants sont des juniors en troisième année de leur cycle d’étude secondaire. Le professeur responsable du module divise l’ensemble des apprenants en 40 sous-groupes. Il est assisté par des tuteurs responsables de dix sous-groupes d’étudiants. Pour faciliter l'émergence de communautés d'apprentissage, chaque apprenant partage un sous-groupe de discussion avec 29 autres membres. Les tuteurs effectuent les corrections et répondent aux questions des étudiants par email ou chat, 20 heures par semaine. Dans ce qui suit, nous allons présenter certains éléments du dispositif d'enseignement à distance qui ont retenu notre attention. Les messages postés dans les groupes de discussions sont rarement pertinents ou opportuns. Les entretiens témoignent de la lassitude des étudiants, contraints de relire sans cesse les mêmes questions et finissant par délaisser ces forums. La difficulté à faire émerger une communauté d’apprentissage et le manque de confiance entre les membres du collectif sont apparus encore plus clairement au cours des entretiens. Les étudiants interagissent difficilement avec le professeur et n'osent pas poster de messages sur les forums de discussions jugés trop intimidants.

Les conséquences d'un scénario pédagogique prescriptif

Pour ce cours, l'environnement d'apprentissage est standardisé afin de favoriser un enseignement à moindre frais de nombreux étudiants. En organisant les apprenants en sous-groupes et en imposant des activités collaboratives, le professeur souhaite fournir les conditions d’émergence d’une communauté d'apprentissage. Les entretiens et l’analyse des échanges effectués sur le forum ne reflète pas la notion d’entre aide, pourtant présentée comme une caractéristique essentielle des communautés d’apprentissage, ou alors sous une forme édulcorée et artificielle. Certains apprenants indiquent qu’ils ont pris l’habitude de se réunir de manière périodique, en face à face, sur le campus ou en dehors afin d'exposer leurs difficultés et aider les autres membres du groupe. Ces mêmes étudiants sollicitent régulièrement leurs amis ou des membres de leur famille, plus expérimentés dans la pratique d'Excel. Une communauté apprenante s’est ainsi recréée en marge du dispositif pédagogique prévu initialement, en réaction à la rigidité de ce dernier. Par conséquent, la volonté de faire émerger une communauté d'apprentissage, en s'appuyant sur un scénario pédagogique prescriptif et confiné dans un environnement technologique fermé (la plateforme de FOAD), est dans le cas étudié, une stratégie inappropriée. Les apprenants quittent le dispositif pédagogique formel et recréent en parallèle un environnement plus adapté. Cette étude sur l'importance des liens sociaux dans la formation à distance offre trois conclusions. Premièrement, le collectif est nécessaire dans le contexte d'isolement vécu par les apprenants. Ce collectif apporte des réponses de deux types: directement liées à la tâche prescrite d'apprentissage et un soutien à travers des activités d'entraide. Deuxièmement, ce collectif se cristallise en marge du dispositif prévu par l'institution. Les apprenants sélectionnent leur réseau à partir de liens qu'ils choisissent et en s'appuyant sur des artefacts qu'ils maîtrisent. Enfin, les apprenants soulignent l'absence d'outils capables d'orienter leurs questions vers les bons interlocuteurs. Ces outils de recommandation de "connaissances" doivent être intégrés à la plateforme d'apprentissage

Les relations sociales support à l'apprentissage

Les apprenants interrogés se regroupent naturellement en collectif pour travailler, s'entraider et parfois se soutenir. Cette notion d’apprentissage, par le collectif, est à rapprocher des communautés virtuelles, de pratique ou d'apprentissages, définie par (Lave, 1991). La Théorie des Communautés de Pratiques souligne le rôle des connaissances tacites dans les mécanismes d'apprentissage et met en évidence l'importance du collectif dans l’acquisition des connaissances liées à une pratique professionnelle (Soulier, 2004). Dans ce cadre, les apprenants échangent, se soutiennent et progressent avec un objectif commun : la validation du module ou l’obtention d’un diplôme. Dans une recherche précédente (Delalonde, 2005) nous avons suggéré le modèle CARRRE implémenté dans un collecticiel à même de favoriser la cristallisation du réseau d'entraide en communauté d'apprentissage. L'objet de cette communication est en amont de la communauté et s'intéresse à la mise en relation entre apprenants comme soutien au processus d'apprentissage. Nous revisitons ce contexte d'apprentissage à travers la mise en relation entre pairs tour à tour demandeur ou offreur de connaissances ou de soutien. En opposition à une activité d'apprentissage solitaire et isolée, nous suggérons une approche collaborative à travers le modèle RESONER (Delalonde, 2006). Cet échange peut prendre place au sein d'un collectif ponctuel et faiblement structuré associant des éléments hétérogènes (utilisateurs, documents) (Latour, 2006). Le résultat de cet échange peut être capitalisé sous forme de mémoire de traces et partagé dans l'organisation. Notre modèle suggère une mise en relation entre demandeur et offreur de connaissances ou de soutien. La négociation épistémique (entre demandeur et offreur) qui s'ensuit peut conduire à une réification de l'information échangée ou du collectif d'échange. La récurrence de ces échanges favorise la cristallisation d'un réseau d'entraide (caring) voire même l'émergence d'une communauté d'apprentissage. Négociation et soutien sont deux formes d'activités distinctes. La négociation convie une série d'individus dans un processus de création de sens validé par le collectif et résulte en une réification de la connaissance constituée. Le soutien constitue plus une qualité comportementale ou une attitude, encouragée, mise en évidence et réifiée par le collecticiel. Nous illustrons l’implémentation de ce modèle dans DemonD (Demand&responD), outil d'association de "connaissances", support au fonctionnement des réseaux relationnels pour l’apprentissage.

DemonD associe des "connaissances"

Le modèle fonctionnel de DemonD comprend quatre étapes distinctes (initialisation, mise en relation, coopération, capitalisation). L'initialisation est la phase durant laquelle le système s’approprie les thèmes et contexte de travail d’un apprenant. La mise en relation est l'étape durant laquelle le système sélectionne le ou les destinataires d’une demande formulée par l'apprenant. Les critères de mise en relation sont multiples et compilés dans le cont@ctrank. La coopération est la phase durant laquelle les destinataires, identifiés par le système, échangent sur un espace d'édition collaborative pour proposer une solution unanime. La capitalisation est l'étape durant laquelle la solution proposée et le collectif associé sont validés et intégrés dans le référentiel commun de la communauté. Nous appelons tags une annotation sémantique sur un document, une discussion en cours ou un profil d'apprenant. La communauté désigne l'ensemble des utilisateurs de DemonD.

Initialisation & recherche de connaissance

La construction du profil de l'apprenant, explicite comme implicite, sert de critère pour la mise en relation de l’apprenant avec le ou les interlocuteurs pertinents. Le profil est une liste de tags pondérés. Plusieurs étapes ont lieu durant le processus d'initialisation: l'inscription de l'apprenant, la déclaration de tags personnels, le partage de documents, la création de groupes. Durant l'inscription à DemonD, certaines données (sociodémographiques), fonction, nom, adresse, sont directement collectées du Système d'Information (SI) de l'université. L'apprenant ajoute des informations personnelles telles qu'un descriptif, une photo et des moyens de communication (adresses email, numéro de téléphone). L'apprenant déclare également une série de tags décrivant ses compétences et centre d'intérêt. Pour compléter son profil, l'apprenant partage des documents (ex. curriculum vitae) significatifs de son activité. La fréquence d'emploi d'un terme dans un document TF.IDF (Term Frequency x Inverse Document Frequency) (Salton, 1986) permet d'extraire une liste de mots récurrents, attribuée au profil de l'apprenant. L'apprenant constitue une ou plusieurs listes de contacts formels ou informels pouvant servir de liste de diffusion. Nous formulons l'hypothèse que les tags récurrents, extraits des profils des membres des groupes de l'apprenant sont également représentatifs de l'activité de ce dernier. La possibilité de rediriger une requête vers un membre capable d'y répondre semble aussi importante que de pouvoir répondre personnellement à cette requête. Ajouter automatiquement les tags définissant les profils de personnes que l'apprenant connaît signifie qu'il sera capable d'aiguiller ces requêtes vers ces individus. De manière transparente, DemonD utilise donc les groupes pour compléter le profil de l'apprenant. L'outil analyse les profils présents dans chacun des groupes et extrait les tags récurrents qui complètent le profile de l'apprenant. Le profil de l'apprenant est donc constitué de données provenant de sources multiples.

Figure 1. Bilan Profiler

Mise en relation & Cont@ctRank

L'interface de DemonD présente les sujets d'actualité et les discussions en cours. Après s'être inscrit, l'apprenant peut effectuer une requête. DemonD extrait les mots-clés de cette requête et renvoie des documents, des discussions en cours, des articles ou des individus dont le contenu ou le profil correspondent à la requête. Ces ressources sont classées par localisation: Local (correspond au résultat de l'indexeur personnel du disque dur de l'apprenant) [1]; Groupes (correspond aux groupes déclarés par l'individu) [2]; communauté (correspond à l'ensemble des apprenants inscrits sur DemonD dans l'université) [3]. Ces ressources sont également classées par types: des documents [4], des discussions en cours [5], des articles pertinents [6], des personnes compétentes [7].

Figure 2. Emplacements et types de ressources

Chacune de ces ressources est caractérisée par des tags permettant un classement et une navigation simplifiée. Si les documents, les discussions en cours ou les articles ne sont pas satisfaisants, l'apprenant peut décider de faire appel aux personnes recommandées par l'outil. Ces destinataires potentiels sont classés à l'aide d'un algorithme, le cont@ctrank, associant des critères sur sa participation dans la communauté et d'autres directement liés à la requête. Voici la liste des critères :

• Connaissance = somme du nombre de fois où les termes d'une requête sont présentes dans le profil d'un apprenant.
• Relais = nombre de contacts non redondants de l'apprenant demandeur de connaissances par rapport aux apprenants offreur.
• Réputation = somme des évaluations négatives soustraites aux évaluations positives.
• Participation regroupe deux variables = nombre de réponses apportées et nombre total de connexions

L'apprenant sélectionne un ou plusieurs pairs. Lorsque la question a été diffusée, DemonD crée automatiquement un espace collaboratif dédié et notifie l'ensemble des destinataires sélectionnés.

Echange de connaissances et mémoires de traces

Chaque discussion créée à un sujet, un auteur et des contributeurs. Ces contributions sont évaluées par le demandeur et par les autres participants. Un flux RSS est automatiquement généré qui notifie des dernières modifications. En tant qu'administrateur de la discussion et pour éviter d'ajouter des tâches de modération, l'apprenant demandeur est chargé de supprimer les participations non satisfaisantes et de synthétiser et geler la discussion. Lorsque les discussions ont apporté assez d'éléments à la question, cette dernière est figée dans un article contenant également le schéma des contributeurs. Ces discussions résolues viennent enrichir les mémoires de traces contenues dans DemonD.

Evaluation

Afin d'identifier la création du social par DemonD, nous avons simulé son fonctionnement dans une classe de 100 élèves. Cette méthodologie d'évaluation est particulièrement flexible puisqu'elle permet de tester diverses stratégies d'association de "connaissances" et la création du social qui en résulte. La simulation comprend deux étapes : la génération de données (utilisateurs, groupes, documents, annotations, votes) et de multiples itérations à la suite desquelles nous observons si le résultat d'une recherche est satisfaisant et si l'outil a favorisé la création de lien social.

Génération des données et simulation

Nous avons généré 100 profils extrêmement variés. Certains sont peu actifs intitulés "lurker" (Preece, 2004) alors que d'autres intitulés "communautaires" utilisent DemonD quotidiennement pour partager leurs documents, annoter leurs profils et questionner ou répondre aux autres étudiants. Nous simulons l'utilisation de DemonD pendant 50 temps durant lesquels 2214 requêtes ont eu lieu (sor_iterations).

Recherche satisfaisante

Satisfaire une recherche de connaissances signifie que l'utilisateur, suite à sa recherche, sera satisfait des informations qui lui seront proposés : documents, discussions en cours (sor_satisfait1); ou qu'il sera satisfait des réponses apportées par d'autres utilisateurs à la requête qu'il a lancé (sor_satisfait2). Après une série d'itérations et pour obtenir la probabilité qu'une requête soit satisfaite nous calculons: Sor_satisfait = (sor_satisfait1 + sor_satisfait2) / sor_iterations Dans l'expérience sur 50 temps, la probabilité Sor_satisfait est 0.74. Donc, à chaque requête, l'individu a donc 74% de trouver une réponse à sa question

Création de lien social

Créer un lien social signifie que deux individus établissent un lien à travers l'outil. C'est une attente forte identifiée auprès des apprenants interrogés. Nous référençons ici les formes les plus significatives de création de lien social disponibles dans l'outil :

• Sor_contact1 – 130 - nombre de fois où l'auteur d'une réponse positive a été rajouté aux contacts du demandeur
• Sor_contact2 – 94 - nombre de fois où un des offreurs a été rajouté aux contacts du demandeur
• Sor_contact3 – 9456 - nombre de fois ou un demandeur a interrogé un interlocuteur qui ne figure pas dans ses contacts
• Sor_contact4 – 2485 - nombre de fois ou un offreur a répondu à interlocuteur qui ne figure pas dans ses contacts

Limites

Quelque soit leur profil de départ, les utilisateurs ont confiance en l'outil et l'interroge 2 fois sur 3 pour les lurker et jusqu'à 92% des itérations pour les communautaires. De plus, les profils deviennent naturellement altruistes (ils sont disposés à répondre aux questions qu'ils leur sont adressés). Ainsi le lurker avait une probabilité de répondre aux questions à 10% au départ et à la fin des 50 temps, cette probabilité passe à 63%. De même pour le profil communautaire qui en entrée répondait à 50% des requêtes et à la fin des 50 temps, répond à 99% des requêtes qui lui sont adressées. Cet altruisme généralisé signifie que le fonctionnement du système encourage la participation mais masque néanmoins un disfonctionnement important. Les statistiques indiquent que 58% des réponses envoyées sont correctes. Parmi elles 99% sont fournies par les communautaires, 1% par les opportunistes et 0% par les lurkers. Les lurkers et opportunistes ne participent donc presque jamais. Ces résultats tranchent avec la volonté marquée de participer dont témoignent l'ensemble des profils. L'explication réside certainement dans les critères de composition du cont@ctrank. En effet cet algorithme sélectionne uniquement les 10 participants les plus à même de répondre, à partir de critères qui semblent s'autoalimenter. Les profils communautaires ont plus de documents et plus de tags déclarés ils sont donc naturellement plus fréquemment sélectionnés sur la partie compétence, mais également sur la partie relais puisqu'ils ont plus de contacts. Recevant plus fréquemment des requêtes, ils y répondent et leur niveau de participation augmente comme leur réputation. Les critères du cont@ctrank sont donc déterministes et inhibent automatiquement même les individus les plus motivés. Pour y remédier, nous souhaitons tester trois stratégies différentes. La première méthode contrôle les différents paramètres du cont@ctrank incitant les personnes motivées à participer. La deuxième méthode intégre un système qui empêche la diffusion de questions par des profils peu impliqués. La dernière méthode consiste à insérer des quotas de profils de participants sélectionnés, représentatifs de la population globale utilisant DemonD.

Conclusion et perspectives

Dans une première partie nous avons présenté la formation à distance dans un module de l’Université de Central Floride, mettant en évidence le rôle important des relations sociales. Nous avons ensuite exploré différentes théories pour caractériser ces relations sociales dans des contextes d’apprentissage: théorie de l'acteur réseau et capital social. Nous suggérons RESONER, un modèle d'association de "connaissances" hétérogènes servant à spécifier l'outil DemonD pour la recherche collaborative de connaissances. Le fonctionnement de cet outil est simulé et produit des résultats satisfaisants pour la recherche de connaissances et la création de lien social entre utilisateurs. Cette simulation met néanmoins en exergue des disfonctionnements communautaires que nous solutionnerons avant une expérimentation dans le contexte décris en introduction.

Bibliographie

[Delalonde, 2005] ↑ Delalonde C. et Soulier E., « CARRRE: un modèle de caring pour le support aux communautés d'apprentissage », Environnement Informatique pour l'Apprentissage Humain, Montpellier, 2005.

[Delalonde, 2006] ↑ Delalonde C. et Soulier E., « L'échange de connaissances dans les équipes distribuées. Une approche par la simulation multi agents », Poster - conférence Ingénierie des Connaissances IC 2006, Nantes, 2006,

[Latour, 2006] ↑ Latour B., « Changer de société - Refaire de la sociologie», Armillaire, 2006.

[Lave, 1991] ↑ Lave J. et Wenger E., « Situated Learning: Legitimate Peripheral Participation », Cambridge, Cambridge University Press, 1991.

[Preece, 2004] ↑ Preece J., Nonnecke B. et Andrews D., « The Top 5 Reasons For Lurking: Improving Community Experiences For Everyone », Computers in Human Behavior, vol. 2, n° 1, 2004, pp. 42.

[Salton, 1986] ↑ Salton G. et McGill M., « Introduction to Modern Information Retrieval », McGraw-Hill, 1986.

[Soulier, 2004] ↑ Soulier E., « Les communautés de pratique au cœur de l'organisation réelle des entreprises », Systèmes d'Information et Management (SIM), vol. 9, n° 1, 2004.